面向对象分层分类在ecognition中的应用

3星 · 超过75%的资源 需积分: 50 46 下载量 47 浏览量 更新于2024-09-10 7 收藏 2.77MB DOC 举报
"ecognition面向对象分层分类" 在遥感影像分析领域,ecognition是一款强大的图像处理和分析软件,它支持面向对象的影像分类方法。面向对象影像分类是一种基于对象而非像素的分类技术,它考虑了影像中相邻像素的空间关联性和对象的形状、纹理、颜色等综合特征,从而提高分类的精度和可靠性。在ecognition中,面向对象分层分类是一种有效的策略,尤其适用于复杂地物的识别。 分层分类的关键在于根据地物类别的特性,通过不同的特征和尺度进行逐步细化的分类。在给定的实验中,目标是将影像分为草地、道路、房屋和湖泊四个类别。在开始分类前,需先进行特征选择和尺度设定。例如,ObjectFeatures->LayerValues->Mean->Layer3可以区分草地/湖泊与道路/房屋,而ObjectFeatures->Geometry->Extent->Length/Width则有助于识别道路。 分类步骤如下: 1. 多尺度分割:首先,利用Segmentation->multiresolution segmentation算法进行多尺度分割。设置三个尺度,如100、70和50,得到L1、L2、L3三个尺度层。此外,为了统一显示分类结果,还需创建一个名为L4的新尺度层,尺度设为40,用于最终的分类展示。 2. 创建类层次结构:在ClassHierarchy中建立四个类,分别命名为level1、level2、level3和level4,用于存储不同层次的分类结果,初始颜色设置为灰白色。 3. 添加level属性:在类层次中,为每个类添加level属性来表示分类的层次。例如,level1的level属性值设为4,意味着整个分类过程分为四个层次。通过Membership function设置特定的值范围,如3至5,表示这个类属于第4层。 这种分层分类策略有助于逐步细化分类任务,先将影像大致分为两大类,再对每一类内部进行细分,确保各类别的准确性。通过这种方式,ecognition能够更好地处理复杂地物的混合特征,提高分类的精确度,同时也方便后期的编辑和修正。 总结来说,ecognition的面向对象分层分类是一种高效、灵活的遥感影像处理方法,它结合了多尺度分析和对象属性,以实现更精确的影像分类。在实际应用中,用户可以根据具体需求调整尺度参数和分类策略,以达到最佳的分类效果。